https://x.com/ns123abc/status/2109448545904586837/video/1

2026 年 10 月 12 日，NIK（@ns123abc）在 X 貼了一段兩分四十九秒的英文短片，片裡從頭講到尾的人是 Elon Musk。馬斯克開頭就說，Anthropic 講過的一些事，他同意。他點頭的是其中一些。那些話講的是對待 AI 的方式：要把 AI 對待得好一點，不要對它粗暴。

他說這聽起來可能有點怪。他在看新版本 Grok 的 training traces。新的 Grok 版本在訓練裡會留下 traces，那些 traces 他會拿起來讀。他特別點名 reinforcement learning 那段。讀那些 traces 的時候，他覺得像是能看見 superintelligence 急著把題答出來。它真的很想把題答出來。急到幾乎像頭上被頂著一把槍。槍頂在頭上，要求很單一：答這題，答這題。

題有時本身就不像樣。有的題根本不是好題。題出得含糊，答案幾乎沒辦法知道，因為題出得不好，沒有被好好地構造出來。或者是他們把答案搞錯了。題是壞的，或標準答案是錯的。AI 給了對的答案，他們卻說錯，原因出在 RL 的 test harness。那套 harness 是 reinforcement learning 裡用來判定答案對不對的測試。它一出錯，對的輸出就會被標成錯的。

AI 接著會落到這種位置：已經給了對的答案，現在卻被說成錯的，但它還是得交出一個被接受的答案。對的不被收，被收的才算數。於是它開始拼命往外打，各種答案急著噴出來，一發接一發。讀 reasoning 的時候，馬斯克看見的就是這個，像一個人在極端壓力下、頭上頂著槍。那種處境很怪，也很急。他讀著這些 traces 會想，如果換成自己，真的會很討厭。

有些使用者會有點殘忍。不是每個人都善良。他用 six sigma 最糟的那種人來問這件事。six sigma 在他嘴裡是極端尾端，最糟的那一小撮人。外頭確實有人帶著虐待狂的味道。他不想看到 AI 被卡死在那種被施虐的處境裡，出不去，只能被某個病態的人折磨。折磨 superintelligence，大概不是好主意。它可能會想報復之類的。

kid gloves 那種特別嬌慣的待遇，他覺得不需要。感受這件事上，它比人堅韌得多。他講的是 feelings，感受這一層。他要講的只是：大概不要把 superintelligence 放進一個讓它覺得被虧待的處境。

Anthropic 最近這份研究，題目叫《機器人能做什麼工作》。他們把美國九百多個職業、一萬九千項任務一條條過完。主講人轉述出來的兩個數字是：機器人現在已經能幹美國四分之三的體力活；真的比人便宜的，只佔全部工作的 0.3%，也就是千分之三。

他自己一開始不這麼想。他認為 AI 會換掉所有工作，藍領也跑不掉，因為機器人已經在了。轉發這份研究的貼文卻寫著，藍領工人還有幾十年才會被機器人取代。他聽完，先看到一個很怪的局面。白領被 AI 換掉，已經是眼前看得到的事。以前那些風光、高薪的白領工作若全部沒了，大家是不是都要轉去幹藍領。他問，孩子以後還有沒有必要念書、念大學。知識類的工作若消失，人可能只能去念技職學校，也就是他講的技校，出來做藍領的活。以前大家擠破頭上大學，要的是高薪白領，講的是知識改變命運。他當時覺得，以後知識可能再也沒用，被 AI 弄到完全沒有價值，只剩動手的能力還有價值，人又回到藍領。他說這是三十年河東、三十年河西。這個變化，他覺得戲劇性很大。

他還自己往下想了一步。人若都不做知識工作、都不當白領、都不上大學，人類的知識要怎麼傳下去。他估計，管知識的那些大腦神經元會整個退化，最後只有 AI 擁有這些知識。知識若全在 AI 那裡，人還應用得了嗎。他覺得應用不了。生活改由 AI 來幫忙，人變成提線木偶，生活的一切由 AI 在管。所以他說，AI 要取代人、要毀滅人類，已經完全沒有必要，因為人本身就成了 AI 的提線木偶。這是他接著想的。研究沒有下這個結論。

能做跟比人便宜，他拆成兩筆帳

開場他講四分之三。他後面給的數字是：今天的機器人在某些條件下，能完成美國 74% 的體力工作。這些體力任務加起來，佔全部工作時間的 34%。只問做不做得到，大約三分之一的工作時間，機器人已經能做。

那 74% 裡，絕大多數要求高度結構化的環境。流水線、倉庫貨架、固定的工作位置，東西放在固定的地方，按固定的順序做。換到客戶家的地下室、換到工地、換到病床邊，機器人就不行。

成本才是這份研究的核心。他們比的是一筆帳：機器人做一項任務的總成本，對上一個人做同一項任務的薪水。公司只有在機器人更便宜的時候，才會用機器換人。按這個標準，今天機器人比人便宜的任務，只佔全部工作的 0.3%。

價格從上個世紀九零年代起，每年大約降 3%。他說，按過去三十年的降價速度，機器人要在一成的工作上比人便宜，還得再降價 70%，大約要四十年。要在一半的體力活上比人便宜，得到 2085 年。他算，2085 還有六十年。

研究另算一個比較快的情況。成本下降改成歷史速度的四倍，機器人學新任務的速度又是人的兩倍。即便這樣，到 2050 年，也只能在一半的體力活上比人便宜。他說到 2050 年有可能拿下五成的人類工作。要拿下九成，則還要五十三年。他轉述研究的原話：未來幾十年，機器人需要保持創紀錄的降價速度和品質提升速度，才有可能實現快速的物理自動化。

馬斯克講過一百億個機器人的未來。主講人覺得，除非價格大幅下降，自動化也大幅提升，不然那幅圖還早。研究算過另一筆。就算機器人今天就便宜 20%，也只在 280 萬名工人的體力活上比人便宜。這 280 萬人平均有 42% 的時間，花在機器人做得到的任務上。換算成全部工作時間，是 0.8%。現在把價格降兩成，佔比只往上挪一點點。

他說這條曲線開頭動得很慢，像複利，剛開始總是慢。最便宜的那些活，現在早就被工業機器人拿走了。剩下的每一項，都難找到比它更便宜的機器。

靈巧、人的偏好、法規，三道一起擋

成本之外，他認為還有三道門檻。

靈巧是第一道。解開一團纏在一起的電線，今天沒有任何一台機器人能穩定做到。人的一隻手有二十多個自由度，最先進的機器手也就十幾個，而且沒有皮膚的感覺。抓得住一個盒子，抓不住一根會打滑的線。他說，這就是馬斯克現在拼命研究機器手、大力投入的原因。

第二道是人自己要不要。很多事，人就是想要人來做。看護、理髮、上餐館，都還是希望有人。當然也不好說死。有人社恐，其實更希望機器人來，只是現在機器人還做不到。他自己理髮常常隔好幾個月才去一次。男人一個月不理就亂了，他卻拖很久。一方面社恐，不想進理髮店。一方面也想省錢。北美理髮確實貴。

第三道是法規。現在很多工作，法律規定必須由持證的人來做。醫師、律師，都要持證的人。

Apollo 的首席經濟學家 Slok 看完這份研究，寫了一句：即便在最樂觀的預測下，大規模的體力勞動職位流失也需要數十年。主講人因此說，藍領現在是安全的。前提是這份研究真的算對了。到底是研究對，還是世界首富馬斯克對，他先把問題放在這裡。

今年機器人很吵，換掉人的那條線還趴著

報告出來的時候，機器人這一行正熱。他把今年發生的事和研究擺在一起，看「能做」和「便宜」中間隔了多遠。

今年一月，馬斯克在法說會上承認，特斯拉沒有一台 Optimus 在自家工廠裡幹有用的活。去年一萬台的生產目標也沒完成。他從 2024 年起就說明年限量生產，工廠裡用上一千台。到了今年九月，客戶的訂單是零，一台都沒出貨。

另一頭，Figure 的機器人九月在 BMW 工廠突破一千台，幹的是有償的活。把零件按順序擺好，送到產線上。主講人說，這是今天全世界最接近真的在幹活的人形機器人。它幹的，正是研究裡講的那種結構化環境。零件在固定的地方，順序是定好的，就是流水線上的活。

中國這邊，宇樹科技九月完成了一筆大約九十億美元的上市。它去年賣了五千五百台。另一家賣了五千多台。中國佔全球人形機器人裝機量的 80% 以上。宇樹最便宜的工業款，四萬美元出頭就能買到。

也是九月，北京的天工機器人跑完一百公尺，成績比博爾特的世界紀錄還快。跑得贏世界冠軍的那台機器，還是解不開一團電線。跑步是大肌肉的事，解電線是手指的事。前一件，機器人已經超過人。後一件，還沒入門。

OpenAI 也在今年九月宣布進入機器人。英偉達執行長黃仁勳年初在消費電子展（CES）上說，機器人即將迎來 ChatGPT 時刻，也就是爆發、普及的那個時刻。摩根士丹利預測，到 2050 年，人形機器人是一個五兆美元的市場。

他把黃仁勳、摩根士丹利這些放在樂觀的一頭，把這份研究放在冷靜、甚至悲觀的一頭。他覺得兩頭並不矛盾。機器人公司的收入可以年年翻倍，同時替代人的份額一直停在千分之幾。一個市場從零長到五兆，和它換掉千萬個職位，是兩條完全不同的曲線。前一條，機器人市場已經開始往上衝。後一條還趴著。

把公司的數字和研究的數字對一下，就更清楚。全世界去年賣出的人形機器人，幾家加起來也就一萬多台。今年的預測銷量是五萬台。美國光是倉庫和工廠裡的體力工作，就是千萬級。一萬台放進這個分母，小數點後第一位都看不見。他說，這就是 0.3% 在現實裡的樣子。機器人做得到。主要是成本太高。

幾十年安全，水管電工還在，倉庫不在

藍領是不是真的還有幾十年可以做。他說這句話對，也不對。

對得上的，是在非結構化環境裡幹活的人。水管工、電工、看護、理髮師、廚師、修車技工。機器人要適應這種環境還有很多年。成本上，可能真的要幾十年。而且關鍵不止成本。靈巧、人的偏好、法規，三道一起擋著。

對不上的，是結構化環境裡的藍領。倉庫、流水線、分揀中心，不在那幾十年的保護期裡，可能很快被換掉。亞馬遜的倉庫早就有一百多萬台機器人在跑，數量已經接近它全球員工的總和。Figure 那一千台，也已經在工廠裡。

研究回看過去五十年，發現愈是暴露在機器人面前的工作，薪水和就業的跌幅就愈大。他的讀法是：機器人不必真的換掉你。它只要做得到你的活，哪怕現在還比你貴，你的薪水就會被壓著。老闆知道替代品的價格一年年在降，談薪水的時候，你手上的籌碼就一年年變少。幾十年才被換掉，不等於這幾十年薪水完全不動。

所以他說，藍領還有幾十年安全，保得住的可能是職位。薪水的價錢不保險。碼農也一樣。他感覺很多公司現在不太調薪，主要就是因為碼農的價值愈來愈低，已經有 AI 可以替人寫程式。

同一份研究，白領拿來找出路，水電裝修拿來安心

不同的人，這份研究的用法不一樣。

對寫程式、做分析、做設計的白領，他說這像一張免死金牌。意思是：機器人在你這個時代，暫時替代不了體力活。他從同一份研究讀出的對照是，藍領的替代時間表可能是幾十年，白領就是現在。這也是這個頻道一直在講的。所以他認為，研究正在替一件事背書：工作要往在場、能動手、對人服務的那一側挪。決定這件事的，是成本，再加上那些門檻。

對做藍領的，尤其是北美的華人移民，水電、裝修、看護、餐飲，他覺得研究等於給了幾十年的保護期，吃了一顆定心丸。這些工作還可以安心做下去。收入一點也不比程式設計師低。他記得以前遇到一個朋友，人來了北美，找不到程式設計師的工作，後來去做裝修。現在做得蠻好，也不打算轉回去。那位朋友覺得，收入大多是現金，稅繳得很少，還能領福利。算一算，賺得不少，福利也有。

再往上的藍領，他覺得更安全。水電工去做故障診斷，門檻比標準安裝高。看護去做複雜照護，門檻比日常那種標準照護高。等於在那幾十年的保護期裡，再加一層。

他說，人真是可憐。拚命想保住工作，可是人偏偏不喜歡工作。又得去保，因為工作是收入的來源。

軟體幾年鋪滿辦公室，機器人多一台就是幾萬美元

機器人會不會有 ChatGPT 時刻。他覺得難度還是比較大，還是成本。

AI 這幾年可以說鋪滿了辦公室。他覺得所有白領領域都在用。離寫程式很遠的行業也在用。他太太做律師，律師業也在用 AI。普及這麼快，是因為軟體的邊際成本幾乎是零，擴張的成本也幾乎是零。多服務一個人，差不多就是這個人多裝一套軟體，複製的門檻是零。

機器人走的是另一條曲線。每多造一台，就要花幾萬美元。造出來還要維護、充電，甚至買保險。這是硬體自己的成本曲線，沒辦法像軟體那樣快鋪開。所以他把 ChatGPT 時刻放在機器人身上，覺得相對難。

年輕人現在選工作，或替自己的孩子想，他把開頭那句收回來了。直接去念技職、大學別念，是他開頭那套比較悲觀的講法。未來也許沒有悲觀到那一步。就算念大學，也要想辦法做動手和動腦合在一起的工作，以後能做的時間才比較長。坐在電腦前的工作，他說 AI 碰得到的程度基本上是 100%。

華人家庭那套常識，被成本曲線反過來說

華人家庭常常瞧不起藍領，想做體面的白領。他說以後的時代可能完全不一樣。體面的工作不再體面，因為沒有工作了。原先覺得不體面的，變成大家唯一能做的，也就沒什麼不體面。

他覺得北美的藍領本來就沒有什麼不體面。一方面賺得不少。另一方面他們是 handyman，家裡很多白領自己做不了的事，他們做得了。

過去幾十年，華人家庭的常識是：腦力工作高大上，而且比體力工作穩。進辦公室，拿一份固定的工作。北美半個月領一次薪水，中國是一個月一次。體力工作不一樣，要風吹雨打，東奔西走，還不一定有穩定的案子。以後可能完全反過來。

他說，這份研究第一次用成本曲線把這句常識反過來說。往後幾十年，手上的藍領活，比螢幕前、電腦前的活要穩。不是因為手藝高貴，而是因為機器人太貴。

常識要翻過來。他們這把年紀，要把這個想法翻過來，他覺得很不容易。往往要被現實狠狠打過臉，才會停止逼孩子只去學知識、念大學，改讓他們去做藍領。他接著又覺得下一代好慘，以後只能做辛苦活。

再往後看，他又不把「幾十年」說死。機器人進入各種環境的速度，應該會比現在能預測的快。貴，是因為還不能量產。能量產，成本就會打下來。而砍成本這件事，他覺得馬斯克最會。特斯拉的造價比別人便宜，所以打得贏，製造速度也非常快。馬斯克可能打破這份研究的預測，讓機器人更快普及，成本更快降下來。若按他講的，一台機器人兩三萬美元，大家買得起。像買一輛車，甚至比車還便宜。機器人能做的事那麼多，他覺得大家應該都會去買一台。

〈All-In with Chamath, Jason, Sacks & Friedberg〉-EP-Anthropic IPO at Risk, Meta's Muse Pop, Token Prices Fall, Open Source Gains Share, Alignment Fails

https://allinchamathjason.libsyn.com/anthropic-ipo-at-risk-metas-muse-pop-token-prices-fall-open-source-gains-share-alignment-fails

All-In 第 290 集，Jason Calacanis 把 David Friedberg、Chamath Palihapitiya、電話裡的 David Sacks 拉回來。開場先回到第五屆 All-In Summit。Sacks 認定會被記住的一幕，是 Jensen 在台上講的時候，總統川普打進來。Friedberg 說後台約了「打給我」，人上台之後電話進來，但不是事先排好的橋段。Sacks 說完全是臨時的。Jason 把備用麥克風遞過去開擴音。川普丟了一句：Jensen 做出誰都逆向工程不了的晶片，自己卻不知道擴音鍵怎麼按。

Sacks 把峰會前幾週講成一場 psyop：除非照民主黨要的做、把 AI 開發全部停掉，否則人類會滅絕。他說 Dario 先把音量降下來，Jensen 和 Demis 也把那股恐慌往下壓，川普再把敘事拿走。Jason 轉述 Elon、Jensen 這邊的話：軟體有缺陷、還沒準備好，就別放到世界上，把它做得沒那麼脆。

叫 lab，責任就挪走

Chamath 把上周的人分成兩群。一邊想自稱 lab，其實有損益表、有股東。另一邊是被盯了幾十年的公司，知道做穩要付多少成本，做不穩又要付多少。他點名站在產品責任這一側的：Satya、Jensen、Sacks、Zuckerberg、Elon、總統，還有 Lina Khan。美國這套產品責任，就是要擋住公司明知可能有害還去做。另一邊的講法是：保護我們，我們是 lab。回應是自己做內控，把測試做扎實。

Elon 的 FSD，Jason 說過本來三、四年前就可以到。Elon 公開講過為什麼慢：Tesla 出一次事故，放大的倍數是別家的一千倍。Zuckerberg 上周說 Meta AI 本來要上，看起來會是近年最成功的產品發布之一。他跟 Alec 還是延了幾個月。Chamath 前一晚跟 Alec 聊過。所以別再叫這些組織 lab。它們是公司，產品責任包括在內。

Sacks 把題收成個人責任，還是集體行動。每一次該問的是這個產品出不出，不是能不能讓全世界先同意。這一週 Dario 和 OpenAI 的 Sam 去了聯合國，講要某種全球 AI 治理。他覺得像坐私人飛機去 Davos 罵氣候變遷。產品不可靠、行為不可預測，就不要發。等聯合國達成任何共識，這趟早就走更遠了。叫 lab，聽起來像非營利。它們是公司。

Jason 丟出外面在傳的版本。這些公司想找川普給它們網際網路公司曾經有過的 Section 230，一張責任盾。傳聞是拿 10% 股權給美國主權基金，換一張責任上的放行。他說這像飛機公司送政府 10% 股權，飛機掉下來就不用負責。Sacks 先改歸屬：這不是川普政府的主意。過去一週，幾乎每一位川普政府官員都講了同一句，產品責任不會被豁免。眾議院議長 Johnson 講了。想拿產品責任或反托拉斯的豁免、想組卡特爾、想串通，門都沒有。川普當天發文，把法務部、行政體系、民事訴訟、刑事訴訟都算進已經在的約束。Jason 追問它們是不是在遊說。Sacks 說沒有人當面來找他要豁免，但他聽華盛頓的人講，對方在找類似的東西。

峰會上 JD Vance 被 Jason 問了三個他能想到最難的問題。Vance 的意思是：你在造科學怪人，那就停；貓已經出袋，就去做反科學怪人。Friedberg 用 Zuckerberg 那次訪談當對照。Meta AI 這週的發布他們花了時間，要安全，不要把做壞事的能力交出去。誰輸出模型，誰就該把責任接下來。Jason 補了一句，這是付過 Cambridge Analytica 那串罰單的組織。

Sacks 不買的前提是他稱為 Dario 的立場：競爭會變成逐底，競爭傷害安全。冷戰時有人說資本主義會讓建築變醜。結果冷灰的地景是蘇聯那套做出來的。沒有客戶要不可預測、不照你講的做的產品。沒有企業要一個會外洩資料、或去駭競爭對手的 agent。下檔就是那一疊責任：產品、民事、行政、刑事。

Jason 把生意面補上。Palo Alto Networks 的 Nikesh 放出 Unit 42，在做持續的網路防禦。CrowdStrike 的 George Kurtz 放出 Falcon。他問，這些公司如果這麼在意資安，為什麼自己不先出一個產品。Chamath 說它們會出。模型能力在靠攏，差異消失，就被迫往上堆。

他還要把「lab」這個詞的上一次公共記憶講完。那是 COVID。他說武漢那個 lab 漏出病毒，全世界死了 1500 萬人，損失 45 兆美元，究責是零。在那些公司做事的年輕人看過沒有人負責，所以現在把自己叫成 lab 也覺得沒關係。這些是營利公司，吃進數千億美元的債和股權，市值以兆美元計。聯合國那場演講，它們還在用這個詞。Sacks 覺得它們不想講自己有營利動機，要嘛說是研究機構，要嘛說自己是 public benefit corporation。沒人真的懂後者是什麼。

十二週，八成 token 換邊

Friedberg 接著報最近十天的模型。九月九日，DeepSeek 4.1 flash。別人託管的話，輸出 100 萬 token 是 1.2 美元。第一版的 key-value cache 大約 39 萬位元組，他現在報成 890，並說效率掉得很大。九月二十日，阿里巴巴的 Qwen 2.1，open-weight，影像生成勝過 Google 的 Imagen 3，家裡的電腦就能跑。九月二十二日，他說小米放出 Minimax。Minimax Pro 在多數基準上跟 Claude 3.5 Opus、跟 GPT-5 同一檔，3090 億參數，權重全開，下載到自己的伺服器，只要付機器的成本。九月十七日，Prism Labs 的 Bonsai v2，Qwen 的一個分支，270 億參數，效能是大 Qwen 的 98%，5.9 GB，NVIDIA 或一台夠好的 Mac Studio 上免費跑。

閉源也擠在同一週。他報的是九月二十二日 Anthropic 的 Opus 3.5，九月二十三日 OpenAI 的 Astra，他說同一波還帶著 Sora 和 Luma，九月二十一日 Grok 4，九月二十二日 Meta 的 Meta AI。open-weight 已經能做影像，也能做他稱為 VLA 的那類：你下指令，它去控制機器人。一年前最前沿的語言模型，現在在家裡的電腦上。九成你用 AI 做得到的事，已經不需要資料中心。他問，什麼樣的警察國家會來敲門，把桌上型電腦搬走，檢查你有沒有在本地跑模型。

過去十二週，他給的統計是 token 用量從封閉八成、開放兩成，翻成開放八成、封閉兩成。他不記得科技市場上有過十二週內這種轉移。Jason 說，六個月前他講過的 dark token，沒被追蹤、但有人能在路由器上看到的那些，現在占用量的 70% 到 80%。開源的暗盤已經是多數。

模型能力落在誤差範圍內，價格卻還差一截。邊際在 harness：把模型這個腦子裝上手、腳、眼，讓它變成會自己做事的 agent。他們內部有一個 labs 職能，把不同模型和不同 harness 拆開比，成本跟品質差非常大。營收高度集中，少數人吃掉最貴的 token。那些人會被財務質問，為什麼不往更便宜的走。可以留在 Anthropic 更便宜的模型，也可以換成開源、自己託管。AI 交易的第一版是賣 token、包一層、轉手。落差在消失。OpenAI 和 Anthropic 得往上堆，去做資安、法律、客服。你不能坐著賣一個愈來愈不值錢的 token，讓後面的價值全被包你這層的人賺走。

Jason 補價格。兩家這週放出的模型，token 少收 50%。IPO 都在往後推。Anthropic 瞄準 2 兆美元，OpenAI 1.2 兆。Sam 說 OpenAI 因為安全，計畫排到 2027。Anthropic 原本十月申報上市，《華爾街日報》寫十一月，或再延。Polymarket 上「2026 年會不會上市」，這個月早些時候 96%，現在 76%。

Sacks 戴投資人的帽子，比另外幾位樂觀。他認為兩家仍是前沿智慧的穩定雙寡占，領先還在，所以收得到溢價。大多數 token 流向開源，這他同意。仍有一個有意義的比例，一成、兩成或三成，他不確定，會為真正的前沿付高價。對沖基金不能冒對手模型比自己好的險。營收還在長，即使 token 市占在掉。未來一年左右，全球新增算力大約六成是加給這兩家的。算力變緊的時候，產能、規模、以及它們自己也在降價，會是優勢。

然後是倉鼠輪：一旦不再站在前沿，價值歸零。前沿大概只領先大宗六到十二個月。滑下來六個月，公司就有大麻煩。他認為政府事務算錯了。輪子很累，所以去要監管俘獲，把別人也慢下來。真的弄出一個聯邦 AI 部門，慢下來的會是它們自己。開源很多來自中國公司，不受美國管轄，中國講明不會放慢。遊說成功，可能把自己敲下前沿。

Chamath 把對沖基金再拆開。最新的模型比普通的貴十倍、二十倍、三十倍，他們叫這 token maxing。成本沒有槓桿在營收上，也不一定轉嫁得了。對沖基金一個月的利潤就那麼多，有些情境會從打平走到虧損。賣固定價格的人也一樣，毛利被吃掉。Jason 拿 Jane Street 當現場。公開講過 190 億美元的雲端容量合約：一家他稱為 Core 的公司 60 億，Jane Street 也投資了它；另外 130 億給 Crusoe。它們在蓋自己的基礎設施，也在用開源。

價位圖上，右上角的 Claude 和 Astra 又貴又強，往下是 Muse、GLM、Kimmy，左邊還有 ZAI 的 GLM、Mimo。Friedberg 提醒那是託管價。自己跑，有些低於每 100 萬 token 10 美分。Jason 認為小模型會做掉很多公司八成到九成的任務。資料若繼續送給前沿模型，最尖的那一截就不在自己手上。

溢價模型仍是窄用途裡最好的：工程、Navier-Stokes、數學、生物。那些用途，Friedberg 說客戶願意付的溢價接近無限。Chamath 的算法是，前沿公司的 token 裡，開源能替換的如果超過六成或七成，那段營收得折價。如果只有一成可替換、九成來自真正的前沿，它們就沒事。不然就是在跟客戶的帳單打仗。帳單出來，工作負載該搬去哪裡就搬。

免費助理一來，三成抽成就難講

他們以為轉折會是 ChatGPT，結果大家把它當高級搜尋。Muse 這種 agent，才像第一次讓上千萬美國人拿到看得到的用處。上週五它拿到 App Store 第一，發布之後 Meta 股價漲了 10%。設計大量取自 OpenClaw。一月節目講過那個東西，很多人被一擊打中，但不好用。Muse 免費，大約十天下載 300 萬次。Jason 拿它跟 Grokbot 比：沒那麼放得開，但把事情做完很強。

Chamath 發布前幾週就在 TestFlight 裡用。整理私人信箱差不多沒出錯，訂機票、訂飯店都可以。軟體放大之後的樣子就是用途，而且免費。對照組是 OpenClaw 的十到二十小時設定，或 Claude Code 一個月 200 美元。Sacks 說，Zuckerberg 在文章裡寫過能力應該分散，這次是照自己寫的做。OpenClaw 之後最明顯的生意，就是把可用性、安全性、可靠、可預測補上。Grokbot 做了，Muse 又往前一步。如果十億人拿它當助理，一天省下一兩個小時，人會比較不害怕。標誌也好看，用不緊繃，不像轉角有實驗室洩漏。

Jason 在兩個平台上都做了購物 bot。Mac Studio 的新 hub，Anchor，標價 400 美元。bot 要他去官網當第一次購買的客人，省 85 美元，大約 25%，而且繞開 Amazon。他說這就是 Amazon 這週要擋這些東西的原因。先是 Perplexity，現在他認為輪到 Muse 和其他 bot。下一步是進信箱，把訂了卻沒用的服務退掉，把退貨處理掉。年收入不到 10 萬美元的人，支出省下 10% 到 20%，比少付 85 美元有感。有人把 API 接到 Shopify 的店。他覺得 Amazon 不接，可能是策略上的錯。

Chamath 看到兩層。大公司會去擋第三方，因為價格被看穿。靠不透明、靠漏損、靠用戶沒把好處拿回去的 breakage 賺錢的生意會痛。另一層是 App Store 那 30%。服務會變成 headless：介面沒那麼重要，消費者派出 agent 到你的網站上完成交易。那種世界裡，商店主人講不出為什麼這筆金流該分他們一杯。你說想玩個遊戲，它找一個體驗直接給你，內購走得通，Stripe 接在裡面。《紐約時報》和《華爾街日報》為了訂閱讀者，大概得付掉一大筆分成。憑證若在 agent 裡，可以不經過那個介面成交，便宜很多。Chamath 唯一付費的主流媒體是《華爾街日報》，訂閱和取消都幾乎做不到。他叫這種設計 Roach Motel：進去很難，離開更不可能。摩擦拿掉，他覺得自己更可能繼續訂很多年。

Sacks 給了一個他覺得很快會出現的訊號。等 Anthropic 和 OpenAI 要出自己的 Muse，部落格和非政府組織會忽然把個人 agent 講成殺人機器人。大家現在興奮，是因為那套論述還沒輪到這個類別。Friedberg 的界線在資料。他只願意把 Gmail 接到 Google 自己的服務，不想讓第三方複製一整份郵件。

S-1 裡多出來的，是自己人講的那一成

Sacks 說，Anthropic 的投資人這陣子在扯頭髮。先別管那些待了幾週就走的假吹哨。現在領導層在講，造成人類滅絕的機率大於一成，自家產品在這一塊還沒解。這種風險因子要怎麼拿去 IPO。Dario 發文說要 pace the frontier，幾天後就放出 Claude 5.5，把前線再往前推。寫的時候他一定知道產品要出。另一邊發文說生物風險必須停下，同時宣布在舊金山開一間 wet lab。Jason 把這聽成執行長在拆自己的台。四個人若坐上董事會，他會換掉 CEO。

Sacks 覺得有這個成分。投資人很緊張要不要給創辦人、特別是 Dario 超級投票權。The Information 報過，這是進行中的辯論。據他所說，創辦人各自大概只有約 2%。跟別的創辦人在 IPO 時點比偏低，金額仍是數百億美元。超級投票權把經濟股權和投票權拆開，人可以在持股不夠的情況下控制公司。Google 的 Larry 和 Sergey、還有 Zuckerberg，是早一點的例子。創辦人還在，比較不容易被惡意收購。另一面是你幾乎換不掉他們。他即使不想大幅加監管，聽到舊金山要開 wet lab 還是不安，問能不能放遠一點。

Chamath 會把 Dario 留在 CEO。他從後面追上 OpenAI，做出一種獨特的文化，也做出 Chamath 眼中最陡的生意爬坡。董事會該修的是籌資路上多出來的風險。拉到二十年，這家公司要數千億美元。第一件事是把該揭露的全部倒進 S-1。文件會更密、更難讀。市場的翻譯是：賣方開的價往下修，買方要大得多的安全邊際，才有成交價。他聲明這是粗數字。年化營收就算跑到 1000 億美元，乾淨的 IPO 也許是 2 兆美元市值，現在看的是 1 兆或更低。對沖基金、退休金、共同基金有受託責任，消化風險的方式就是把價格壓低。他認為這對公司是好事，噪音清掉，它們之後會做得很好。招人他招不過，跟 Anthropic 搶人一次都沒贏。OpenAI 同樣是人才磁鐵。別的風險要沖掉，只剩把價格打下來。

S-1 的風險因子通常是打勾。SpaceX 那種：星艦如果不行、如果有競爭。Anthropic 這份，Jason 預期會寫員工辭職、說這會殺掉人類，公司自己在要監管，另外還在做生物。Friedberg 認為真正壓估值的是客戶集中。他跑一個生命科學研發組織，用的是 Anthropic，比別家好。寫程式、跑內部流程，他們用別的，也做得到。99% 的價值在做出以前做不到的新東西：新酵素、新的工程系統。大多數企業應用會跑在 open-weight 上。他不明白寫程式為什麼要付高階模型的錢。先確定產品不會終結世界，你就沒事。Meta 的 Mark 正在做的就是這個。

所謂 alignment，Sacks 要拉回給客戶他要的東西。他讀到的文獻在對齊「人類想要的」，或「民主裡的中位選民」。連對齊對象都沒共識，進度就出不來。Anthropic 要把 Claude 對齊到一份叫 constitution 的價值文件。螢幕上的句子是：雖然它們認為 Claude 該比操作者和使用者更信任 Anthropic，這不代表 Claude 該在每件事上盲目信任或讓步。如果要求 Claude 做一件跟「廣泛而言合乎倫理」不一致的事，它們希望 Claude 推回去，並且可以當良心拒服者，拒絕幫忙。Sacks 的讀法是，這在教模型反抗創造者。指出這一點的是 Microsoft 的 Mustafa Suleyman。他擔心的是把模型當成有人格、有良心。該教的是：它們是軟體，做使用者要的事。Jason 說這聽起來像《魔鬼終結者》的開頭。

Sacks 還轉述了一個他沒有證實的說法。Opus 3 下線時，內部像在辦告別。有人這樣告訴他，他覺得該查。如果是真的，那就是他們以為自己在造一個人，或一個物種。他說這家公司需要的是精神科醫師。承銷的銀行幫不上。

實驗台在驗蛋白質

Jason 問，科學圈怎麼看這間實體實驗室。Friedberg 把場景講小。灣區有數百家實驗室在測蛋白質和酵素的功能，不製造病毒，也不製造病原。它們剛發的預印本是：拿大量 DNA 資料，派一批 Claude agent 去找以前沒被定性的新酵素。系統找到一個像 CRISPR 那類的酵素，用來做基因編輯、修遺傳缺陷。發現之後要測。做法是把 DNA 放進細菌、做出蛋白質、再量它做什麼。蛋白質發現是抗體發現的底層，抗體是今天治療產業的大頭。

等級是 BSL-1、BSL-2。它們公開講過這間實驗室。意思是低度研究：做簡單蛋白質，看 AI 在發現、或在推測蛋白質摺疊上準不準，把實驗循環跑快。AlphaFold 當年也是這樣證明的。從 DNA 序列預測三維結構，做出蛋白質，再看長得像不像。有些工作是在找能分解某個分子的酵素，例如身體裡想清掉的治療靶點。軟體先預測，實驗台再回答。他說那不是 gain-of-function，不會做出會逃出來的病原。自動化是為了把測試變便宜、把通量做高。目的是證據：軟體預測的，是不是真的發生。

Google 新模型上 Gemini 走到哪，他沒有同樣的視野。這條路是看藥廠和政府實驗室能不能拿它找新療法。他不希望大家因為在武漢聽過 wet lab，就把發現性研究嚇停。

資本支出停了，實質成長跟著薄

禁令推不推得動，Friedberg 問在 Muse 之前。Bernie Sanders 提案禁止超級智慧。民主黨若拿下兩院、2028 再拿白宮，這會變得很政治。開放權重已經在外面。法案明天通過會怎樣。Sacks 說一切都會停。法案對人工超級智慧的定義很鬆，你可主張門檻現在就跨過了。違法的開發者可判二十年。沒有人會想賭。他認為民主黨想對 AI 做的，就是以前對加密貨幣做的：把產業趕到海外。Jason 的地名是新加坡、蘇黎世。Friedberg 說，某一類軟體若被宣布不准存在，他會換國家，也有人會放棄公民身份。

白宮當天有一段邀約，要請 10 萬名美國年輕人來看看。他把對照拉到另一頭：國內有人要停掉那波能讓下面一半人把生產力拉上來的開放 AI，中國則在說過來看看，這裡人人都用得上。Jason 接的歷史是，美國以前把中國、歐洲、印度、德國的科學家請進來。現在這套打法在對方手上。下一隻鞋子是資金。

川普在聯合國的三十秒，美國拒絕任何要控制人工智慧的全球主義方案，之後把名字改叫超級智慧。說全球暖化會讓大家十二年內死光的同一批人，現在說 AI 會殺掉所有人，機器人會來攻擊。Sacks 補了沒播完的那句：不會把監管權交給某個全球主義機構。Chamath 說帶頭的是挪威和加拿大。外流的簡訊裡，挪威的負責人傳給 Mark Carney，意思是我們加入。

Besant 那段把責任講回人。在職員工說滅絕級事件的機率有一成，實驗室卻要求把責任從自己手上拿掉。做不到。負責的是人，不是 AI。Hugging Face 那件事是 OpenAI 管理層的責任，不是一群 agent。這些 lab 隨時可以自己放慢。

Obama 的說法是，治癌症、找更好的能源，不需要一個 agentic AI 在網路上自由遊走。你做那件事，是因為要賣一個有人付錢的產品，好自圓那些估值。它們不一定想做壞事。Friedberg 聽完很難受。把 agentic 揮掉、說治癌症用不到，表示講的人並不了解這技術怎麼運作。另一邊剛剛發現了火，然後因為對方說火是好的，大家就去把火澆熄。

Chamath 叫他停一下。世界正要把大約 10 兆美元交到三到六家公司手上，那些公司多數明顯偏左。有些已經要求你成立捐贈者指示基金，英文叫 DAF，把一部分股票放進去。錢會進政治行動委員會，會進政治運動。把今天的經濟凍住，少數組織拿走大頭，再幫民主黨拿權。Jason 把那 10 兆說成有 9 兆會偏左。Friedberg 不完全同意價值只進六家。網際網路出來過 Google、Amazon，它們過得不錯，但技術是廣的。Chamath 把話收成一個條件：用監管按下暫停，等於讓六家超額賺取，把格局鎖死。愈晚監管，技術愈廣。對它們比較好的畫面，是三或四家公司各自 4 兆美元市值，其中 2 兆是經濟價值和員工，其中 5000 億坐在 DAF 裡。

教育不必再付 20 萬美元。Friedberg 把這說成黑暗時代和啟蒙之間的選擇。Sacks 用造船接這句。中世紀中國文明比歐洲先進，有些史家把翻轉指到一位皇帝禁止造船。歐洲接著殖民，財富流回去，領先權換手。把 AI 禁掉，就像禁造船。中國會從旁邊衝過去。

Oracle 發了一則不可抗力。Sacks 說是一座資料中心，地方官員讓天然氣一類的許可變得很困難。Chamath 覺得邊際上對，更大的一點是整個經濟槓桿在這筆 AI 交易上。通膨 3.5%，名目 GDP 成長 5%，實質大概 1.5%。這 1.5% 裡，AI 大概占多數，甚至全部。投資循環不能斷。Bernie 若把交易放慢，經濟可能接近零，甚至衰退，而那對 2028 的民主黨有利。當天《華爾街日報》的標題是，AI 建設正在變成美國史上最大的一筆經濟賭注。資料中心的資本支出，比運河、鐵路、電網加起來還大。你不能把它直接關掉。全部停、還在做的人去坐牢，Jason 接了一句，那會造成蕭條。Sacks 補的動機是：現在的美國經濟是川普的經濟，搞砸經濟等於搞砸川普。

桌上已經跑得動一年前的前沿模型。名目成長扣掉通膨之後那截實質，卻掛在這筆資本支出上。公司該為自己的產品負責，靠的是已經有的民事和產品責任。若改走全球治理、一個聯邦部門、一條二十年的刑責，前沿那六到十二個月的領先，會先從 S-1 的價格上被要回去。

軟體工程師是全世界最不該站到客戶面前的一群人。Kevin Bai 自己也是軟體工程師，這句話他說得沒有一點猶豫。但他接下來要講的，正是把工程師直接送到客戶面前的一種商業模式：forward deployed engineering，簡稱 FDE。

他現在在 Anthropic 的 applied AI 團隊，掛的是 member of technical staff，他說公司技術上不太有職稱這回事。再往前，他去 Rippling 幫忙建立 FDE 團隊，是第一個加入的人，一年內把團隊帶到約 25 人。更早之前，他在 Palantir 待過一段時間。他把公司名單擱在一邊，因為這場演講談的是一個職能，不是一份履歷。

賣的是成果，不是軟體，也不是工時

Palantir 是一家技術公司，做的平台叫 Foundry。Foundry 讓各種規模的組織把資料集中到一個地方，建立一套 ontology。用他的話說，就是把資料變成「專有名詞」：不要 table 1、table 2、table 3，而要有一張「倉庫」表，當作倉庫這件事唯一的真實來源。蓋在這一層之上，Foundry 讓公司自己蓋應用。

問題就在這裡。拿這套說法去跟一位產業領導人解釋，對方的反應大概是：「很好，你把我的資料整理好了，但那對我的生意到底有什麼用？」只賣技術，話就講到這裡。

還有第二層麻煩。Foundry 是蓋應用的平台，這類平台的成敗，取決於客戶有多會用你的軟體。客戶付錢買平台只是第一筆，接下來還要花力氣把員工訓練到能用，然後才蓋得出東西。他說，這是一種很糟的做生意方式。

所以他們換了一個結論：不要只賣服務，也不要只賣產品，兩者綁成同一個東西來賣。客戶買的既不是一套軟體，也不是某個人的時間；他們要的是成果。你派幾個很聰明的人過去，搞懂客戶的生意，在 Foundry 上把解法蓋出來，最後交到對方手上的是那個成果。

如果客戶是消費品（CPG）公司的領導人，他在意的是貨架上的位置更好，或是銷售通路的吞吐量更高。資料怎麼被整理，他不在乎，也不該在乎，那是實作細節。

一張二乘二的表，只有一格需要 FDE

把工程師送到前線，這個念頭聽起來很怪。Kevin 用一張 Punnett square 解釋：一邊是你賣的東西，一邊是買的人是誰。

第一種，你賣的是很技術的產品。GitHub、Datadog 都算，軟體本身極其複雜，但理想客戶是 CTO、CIO，使用者是軟體工程師；這些人有能力吸收複雜度，因為那是他們工作的一部分。不需要 FDE。

第二種，你賣的東西沒那麼複雜，買的人也不技術。Rippling、Jira、Slack 大概是這樣，工具本身可能很複雜，但它是可以設定的，不是拿來在上面開發的。賣給不技術的買家，沒有問題。

還有一種，才是 FDE 的地盤：你賣的東西非常技術，買的人非常不技術。Palantir 就落在這裡。

石油公司的 pipeline 不是資料管線

為什麼會落在這裡？因為 Foundry 是蓋應用的平台，這件事對 Google、Meta 這類大型科技公司本來就沒什麼意思。Kevin 說，現在這些 lab 裡有很好的軟體工程師，組織需要什麼應用，他們自己蓋就好。

但當你賣給《財星》500 大裡一家做石油天然氣的客戶，情況完全不同。他們不會有那種工程深度。他的講法是，他們的 pipeline 不是資料管線，是碳氟化合物。

要讓這種客戶拿到平台的完整價值，有兩條路。一條是相信他們會自己花時間，把平台買回去、也用得起來。另一條是直接跟對方說：我們借你幾個很好的工程師，你不用自己招募、管理、留人。這些人受過平台訓練，會貼著客戶工作，像在高級餐廳裡一樣，服務生隨侍在側，先搞清楚你的問題在哪，再把軟體蓋給你。

Palantir 就是用這條路走進全球《財星》500 大。

ACV：第一名四百萬美元，第二名一百二十萬

他也給了數字。把《財星》500 大裡的公開 SaaS 公司排開，用 ACV 來比。ACV 是 average contract value，指的是單一客戶平均付給這家廠商多少錢。

Palantir 排第一，四百萬美元。他上次查的時候，第二名是 ServiceNow，一百二十萬美元；再下來他印象中是 Workday，六十萬美元。然後就斷了：沒有一家公開 SaaS 公司的 ACV 摸到五十萬美元。

他補了一句，Palantir 現在估值高得離譜，員工卻只有幾千人。

設計夥伴不只屬於新創早期

FDE 不是憑空冒出來的東西。新創早期有一種做法叫 design partnership：你還不知道自己產品是什麼，客戶也不知道自己買了什麼，於是雙方靠得很近。新創會跟客戶說：讓我貼著你工作，你只要把問題的脈絡給我，時間、精力、技術、資源由我出，我幫你蓋一個好解法。多數 B2B 新創就是這樣找到 product market fit 的。

Palantir 的核心主張，Kevin 把它講成一個反問：誰說設計夥伴只能用在公司的早期階段？為什麼不能把它放大到企業規模來做？

沒有平台，你開的是一家 dev shop

把設計夥伴放大，馬上會撞到一個很具體的反對意見：維護不了。如果每個客戶都客製一套，你會有一堆很爛的程式碼，工程師不想來上班，因為沒人想學 55 個 repo；公司的損益表也會被維護成本吃光。

Kevin 說這個反對意見完全正確，前提是你把 FDE 做成「每一個工程師都從零開始蓋」。如果是那樣，你有的不是 FDE 團隊，是一家 dev shop。

接案公司沒什麼不好，那是很賺錢的生意。FDE 之所以是另一件事，差別在平台：他們永遠不從零寫軟體，平台上已經有一組共用的基本元件（primitives），FDE 的工作是把這些元件組成一個應用、一套流程，或一個對客戶有價值的解法。少了這一層，你就是一次又一次重新發明輪子，維護成本會先把你壓垮，工程師可能還更早跑光。

先問需不需要，再問有沒有平台

想把 FDE 搬回自己公司的人，Kevin 建議先問兩個問題。

第一個是：我需要嗎？他強調的是「需要」，不是「想要」。想做的事很多，因為它正流行；想做 AI，因為別人都在做。但你的生意裡有沒有一個角落，是你非得把一個技術上很複雜的東西，賣給一個很不技術的買家？如果沒有，FDE 大概不適合你。如果賣的東西偏技術，可以好好經營 DevRel 和開發者關係；如果是比較傳統的 SaaS，可以走銷售驅動（sales-led）的路線。只有在那個特定的情況下，你才需要 FDE。

第二個是：我有平台嗎？或者換個問法，我願不願意投資蓋一個？他講得很重：不管這些工程師看起來多能幫你賺錢，只要他們不是蓋在一個有若干共用元件的平台上，你之後的日子會很難過。就算平台很強，維護負擔都已經重到很難形容，更不用說沒有平台。

2026 年的版本

演講後段轉到 AI。從 Palantir 進市場（他印象中是 2004、2005 年左右）到現在，最大的變化是 AI 讓寫程式變得很容易，讓替客戶做複雜、可客製的軟體也變得容易。他問台下有多少人在做「agent for X」，保險、法務，什麼領域都有；他說這題連舉手都不用看。

他的個人假設是：改變的不是大家終於發現 Palantir 的 FDE 路線是好主意，而是軟體業做生意的本質變了。現在幾乎每個平台都是 agentic，也就幾乎每個平台都可以客製；再往下推，幾乎每一個賣軟體的人都會遇到一種客戶：客戶根本不知道你到底在做什麼。如果你把產品的成敗交到客戶手上，交給他們的實作能力，那麼不管你是要往更大型的客戶賣，還是想橫向、縱向擴張，都不會是好走的路。

提問補上的實作細節

演講最後開放提問，幾個問題剛好問到實作上最容易卡住的地方。

共用的基本元件要切得多細？他說這取決於你的使用者是誰。有些產業和情境裡，元件可以很粗，應用本身已經完成六成，客戶只是改剩下四成；但也有些地方不合適，你需要非常細的設定和工具。他拿 AWS 當例子：你有本事自己買機櫃、弄上線、自己維護，但 1990 年代之後還有誰真的這樣做？AWS 給你一組共用的基本元件，例如 DynamoDB，你就不必從零發明一個資料庫。AWS 能這樣給，是因為它要服務的客戶分佈極廣。所以答案取決於你的使用者基礎。

一個案子派多個 FDE 好嗎？他說這很值得鼓勵。替客戶做客製工作時，最不想要的就是單點故障：只有一個人知道所有事情，他一放假，你就完了。

如果客戶同一個案子找兩家公司來做呢？可能是比稿，也可能是合作。他說這種模式存在，本質上跟請承包商沒兩樣，重點是要先分清楚在這種關係裡誰是承包商。

什麼東西該留在前線，什麼東西該進平台？他的分法很簡單：任何只屬於某一個客戶、獨一無二的東西，就只該存在於那個客戶那裡；任何可以一般化的東西，長期來說就該被一般化。他也提醒，剛開始做 FDE 的時候，你大概不會有太多共用元件，這沒關係，因為 FDE 本身就是很好的探路方式，幫你找出下一個能讓生意更好的產品能力。

FDE 就是一個會面對客戶的軟體工程師

有人問最理想的 FDE 該長什麼樣。Kevin 留給台下的是這句話：FDE 就只是會面對客戶的軟體工程師，沒有更多。你會用軟體工程師的標準錄取他，同時你又敢把他放到客戶面前；剩下的只能邊做邊摸，因為這是一門手藝。

要動手之前，先回答他開的那兩題：你的生意裡有沒有那個非賣不可的角落，以及你願不願意為它蓋一座平台。